宫颈癌是一种高发病率的妇科恶性肿瘤疾病,宫颈细胞涂片筛查是预防宫颈癌的有效方法之一。当今的涂片筛查主要以人工阅片为主,效率十分低下;随着宫颈细胞诊断技术的成熟以及国内外细胞自动制片技术的发展,开发与之相适应的的计算机辅助诊断系统也成为必然,它对宫颈癌的普查有巨大的意义。实现宫颈细胞的分割是宫颈涂片自动分析系统的核心组成部分,也是细胞特征统计和细胞对象识别的基础。其中对重叠宫颈细胞的分割是研究的难点,通常分为两个阶段:第一阶段分割出细胞核与细胞团簇;第二阶段分割出重叠的细胞质。本文设计了一种自动分割宫颈细胞的算法,且对重叠宫颈细胞具有较好的分割效果,具体研究内容如下:（1）为了描述不规则超像素之间复杂的空间关系,利用马尔科夫随机场优良的空间相关性,提出一种基于超像素的MRF（Markov Random Fields）宫颈细胞分割方法。结合超像素的空间信息将分割问题转化为最大后验（MAP）估计的一个马尔科夫随机场的最优化问题,利用自适应迭代分类算法计算基团的Gibbs能量函数的最优解,引入Gap-search 搜索机制减少能量函数的冗余计算。实验结果表明,该算法针对孤立细胞获得了良好的分割效果且提高了算法效率。（2）针对宫颈细胞重叠率高的问题,基于稀疏编码的理论,结合超像素MRF模型提出一种分割重叠宫颈细胞的方法。将超像素形状和边缘特征作为约束加入马尔科夫特征场的构建中,充分利用超像素信息并结合模拟退火算法提取前景区域轮廓,以表示细胞轮廓形状特征的稀疏轮廓点为样本构造完备字典,将形状字典中的先验形状作为高层监督得到稀疏形状表示系数,引导重叠细胞的分割。结果表明,该方法在分割重叠细胞和获得准确的细胞核轮廓方面优于现有的方法。（3）针对景深扩展（EDF）图像由景深不同导致的图像边缘突变的问题,利用细胞质与目标细胞核之间的焦深和局部特征的一致性,提出一种基于相似性测度的细胞EDF图像分割方法。利用EDF图像由若干张不同焦点的图像“堆栈”而成的特点,基于细胞质与目标细胞核间的焦点和位置信息的一致性构造细胞质的相似性测度,以相似性测度为基础追踪细胞质轮廓实现粗分割,最后利用正则化水平集演化方法（DRLSE）对所得轮廓进行像素级细化。实验结果表明,该方法在针对EDF图像分割方面优于现有的方法。